دانلود و نمایش مقالات مرتبط با Customer segmentation::صفحه 1
بلافاصله پس از پرداخت دانلود کنید

با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد). 

نتیجه جستجو - Customer segmentation

تعداد مقالات یافته شده: 3
ردیف عنوان نوع
1 What’s in the box?! Towards explainable machine learning applied to non-residential building smart meter classification
جعبه چیست؟ به سمت کاربرد یادگیری ماشین قابل توضیح برای طبقه بندی کنتورهای هوشمند ساختمان غیر مسکونی-2019
Feature engineering and data-driven classification models are at the forefront of analysis of large temporal sensor data from the built environment. In previous effort s, temporal features were engineered from the whole building hourly electrical meter data from 507 non-residential buildings. These features fall within the three general categories of statistics, model, and pattern-based and can be used to identify various behavior in the structure of the whole building electrical meter data. In this paper, a deeper investiga- tion is made of exactly what types of behavior are most important in the context of two classification scenarios: the primary use of a building and the level of performance the building has when compared to its peers. The highly comparative time-series analysis (hctsa) toolkit is used to analyze the most im- portant temporal features for the classification of various building performance attributes. In the first analysis, a comparison is made to distinguish the behavior between university dormitories (70 buildings) and laboratories (95 buildings) as an example of interpreting the classification of the primary-use-type of a building. In the second analysis, a comparison of buildings with high (165 buildings) versus low (169 buildings) consumption is used to extract and understand the behavior that indicates the level of the energy performance of a building. These two case study examples provide a foundation for further ex- plainable machine learning techniques in both classification and prediction as applied to buildings. This effort is the first example of machine learning with an explicit focus on the interpretability of classifica- tion for smart meter data from non-residential buildings.
Keywords: Interpretable machine learning | Explainable machine learning | Building performance analysis | Performance classification | Energy efficiency | Smart meter | Temporal feature engineering | Load clustering | Data science | Customer segmentation | Time-series analysis
مقاله انگلیسی
2 بازاریابی موبایل، شبکه اجتماعی و دیجیتال (DSMM) در صنعت خرید: نیاز به دسته بندی مشتریان وجود دارد؟ شواهد تجربی از لهستان و آلمان
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 14 - تعداد صفحات فایل doc فارسی: 44
این مطالعه نیاز به طبقه بندی مشتریان را در صنعت خرید براساس بازاریابی موبایل، شبکه اجتماعی و دیجیتال از دیدگاه یک تامین کننده آلمانی مورد بررسی قرار می دهد. در ابتدا، ما یک سیستم بازبینی کارهای قبلی را ایجاد کردیم، 37 مقاله توسط تیم ما با همراهی تیم فروشی که توسط تامین کننده معرفی شده بود استخراج شد. این تیم 5 تغییر را در رفتار اطلاعات مربوط به طبقه بندی مصرف کننده ها معرفی شد: افزایش نیاز برای اطلاعات، افزایش تعداد منابع، افزایش نیازهای مربوط به امنیت داده و استفاده از دستگاه های موبایل به موازات شبکه های اجتماعی در صنعت خرید. به این ترتیب، ما به سوالات تحقیق با یک مطالعه تجربی پاسخ دادیم. نمونه ما شامل 139 شرکت صنعتی از لهستان و آلمان بودند که تکنولوژی سنسور را از یک تامین کننده مطرح آلمانی خریداری کرده اند. ما میزان تاثیر فرکانس فروش، عملکرد شخص خریدار، بخش صنعتی و مبدا در درک پنج تحول معرفی شده در بررسی کارهای گذشته مربوط به DSMM که توسط ما انجام شده بود مشخص شده است. بر اساس این یافته ها، استراتژی هایی را برای تقسیم بندی مشتری در ارتباط با DSMM در خرید صنعتی استخراج می کنیم.
کلید واژه ها: دیجیتال | رسانه های اجتماعی و بازاریابی موبایل (DSMM) | خرید صنعتی | بازاریابی B2B | بررسی ادبیات سیستماتیک | مطالعه کمی
مقاله ترجمه شده
3 بکارگیری تکنیک های مهندسی دانش برای تحلیل مشتریان در صنعت خدمات
سال انتشار: 2007 - تعداد صفحات فایل pdf انگلیسی: 9 - تعداد صفحات فایل doc فارسی: 27
با استفاده از رویکرد مدیریت ارتباط با مشتری، به منظور بررسی رفتار مشتری، این مطالعه بین مشتریان از طریق بخش¬بندی مشتری تفاوت ایجاد می¬کند، جابجایی مشتری از بخشی به بخش دیگر را در طول زمان دنبال می¬کند، دانش بخش¬بندی مشتری را برای ایجاد یک مسیر انتقال فردی و یک مسیر انتقال غالب کشف می¬کند، و سپس الگوهای رفتاری هر بخش از مشتریان را با استفاده از داده های دنیای واقعی پیش¬بینی می-کند، این مطالعه دقت مدل¬های پیش¬بینی را ارزیابی می¬کند. نکات نهایی در مورد تحقیقات آینده در این زمینه بحث شده می¬کند.
کلید واژه ها: مهندسی دانش | داده کاوی | مدیریت ارتباط با مشتری | تجزیه و تحلیل مشتری | تقسیم بندی
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 4018 :::::::: بازدید دیروز: 3097 :::::::: بازدید کل: 38285 :::::::: افراد آنلاین: 52